AUC在机器学习领域中是一种模型评估指标，是指模型ROC曲线下的面积。分类器效果月AUC值成正比。即当分类器的分类效果越好的时候，ROC曲线下面积越大，AUC越大。
其中，ROC是混淆矩阵中，以FPR为横坐标，TPR为纵坐标形成的曲线。
从下面三张图看到，分类器效果越好（正负样本的分布的均值离得越远），AUC值越大（ROC曲线下的面积）
参考文章：模型评估指标AUC（area under the curve）
AUC在机器学习领域中是一种模型评估指标，是指模型ROC曲线下的面积。分类器效果月AUC值成正比。即当分类器的分类效果越好的时候，ROC曲线下面积越大，AUC越大。
其中，ROC是混淆矩阵中，以FPR为横坐标，TPR为纵坐标形成的曲线。
从下面三张图看到，分类器效果越好（正负样本的分布的均值离得越远），AUC值越大（ROC曲线下的面积）
参考文章：模型评估指标AUC（area under the curve）
名师互学网 版权所有 (c)2021-2022 ICP备案号：晋ICP备2021003244-6号
